論文の概要: Conditional Diffusion-Based Retrieval of Atmospheric CO2 from Earth Observing Spectroscopy

• arxiv url: http://arxiv.org/abs/2504.17074v3
• Date: Thu, 01 May 2025 16:24:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.16305
• Title: Conditional Diffusion-Based Retrieval of Atmospheric CO2 from Earth Observing Spectroscopy
• Title（参考訳）: 地球分光法による大気CO2の条件拡散に基づく検索
• Authors: William R. Keely, Otto Lamminpää, Steffen Mauceri, Sean M. R. Crowell, Christopher W. O'Dell, Gregory R. McGarragh,
• Abstract要約: 今後の衛星ミッションは、現在のGHG観測衛星よりも桁違いに多くのデータを提供する。 堅牢な不確実性定量化を伴う高速かつ正確な検索アルゴリズムの開発が重要である。 我々は、NASAのオービティングカーボン天文台-2の分光計において、ガウスまたは非ガウスの後方を柔軟に回収するための拡散に基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Satellite-based estimates of greenhouse gas (GHG) properties from observations of reflected solar spectra are integral for understanding and monitoring complex terrestrial systems and their impact on the carbon cycle due to their near global coverage. Known as retrieval, making GHG concentration estimations from these observations is a non-linear Bayesian inverse problem, which is operationally solved using a computationally expensive algorithm called Optimal Estimation (OE), providing a Gaussian approximation to a non-Gaussian posterior. This leads to issues in solver algorithm convergence, and to unrealistically confident uncertainty estimates for the retrieved quantities. Upcoming satellite missions will provide orders of magnitude more data than the current constellation of GHG observers. Development of fast and accurate retrieval algorithms with robust uncertainty quantification is critical. Doing so stands to provide substantial climate impact of moving towards the goal of near continuous real-time global monitoring of carbon sources and sinks which is essential for policy making. To achieve this goal, we propose a diffusion-based approach to flexibly retrieve a Gaussian or non-Gaussian posterior, for NASA's Orbiting Carbon Observatory-2 spectrometer, while providing a substantial computational speed-up over the current operational state-of-the-art.
• Abstract（参考訳）: 反射型太陽スペクトルの観測から得られた温室効果ガス(GHG)特性の衛星による推定は、複雑な地球系の理解とモニタリングに不可欠であり、その地球近傍のカバレッジによる炭素循環への影響にも寄与する。 これらの観測からGHG濃度を推定することは非線形ベイズ逆問題であり、これは計算に高価なアルゴリズムである最適推定(OE)を用いて演算的に解決され、ガウス後方へのガウス近似を与える。 このことは、解法アルゴリズムの収束の問題を招き、得られた量の不確実性推定を非現実的に確信させる。 今後の衛星ミッションは、現在のGHG観測衛星よりも桁違いに多くのデータを提供する。 堅牢な不確実性定量化を伴う高速かつ正確な検索アルゴリズムの開発が重要である。 そうすることで、政策立案に欠かせない炭素源やシンクの、ほぼリアルタイムなグローバルなモニタリングという目標に向かって進むという、かなりの気候影響がもたらされる。 この目的を達成するために,NASAのOrbiting Carbon Observatory-2 分光計に対して,ガウスや非ガウスの後方を柔軟に回収する拡散型手法を提案する。

関連論文リスト

• Enhancing Robustness Of Digital Shadow For CO2 Storage Monitoring With Augmented Rock Physics Modeling [0.276240219662896]
  時間ラプス地震イメージングはCO2の移動を追跡するのに不可欠であるが、多相下流の複雑さを捉えるのにしばしば苦労する。 非線形ベイズフィルタリングや生成AIといった機械学習駆動のデータ同化技術を活用するDigital Shadows(DS)は、より詳細で不確実性を認識した監視アプローチを提供する。 本研究では,様々な岩石物理モデルによる予測アンサンブルの増大が誤った仮定の影響を緩和し,予測精度を向上させることを示す。
  論文  参考訳（メタデータ） (2025-02-11T01:33:35Z)
• Improving Power Plant CO2 Emission Estimation with Deep Learning and Satellite/Simulated Data [0.0]
  発電所からのCO2排出は、重要なスーパーエミッターとして、地球温暖化に大きく貢献する。 本研究では、Sentinel-5PからのNO2データの統合、連続したXCO2マップの生成、OCO-2/3からの実際の衛星観測をデータスカース領域における71以上の発電所に組み込むことにより、利用可能なデータセットを拡張することによる課題に対処する。
  論文  参考訳（メタデータ） (2025-02-04T08:05:15Z)
• On the Convergence of (Stochastic) Gradient Descent for Kolmogorov--Arnold Networks [56.78271181959529]
  Kolmogorov--Arnold Networks (KAN) はディープラーニングコミュニティで注目されている。 実験により、勾配降下(SGD)により最適化されたカンが、ほぼゼロに近い訓練損失を達成できることが示された。
  論文  参考訳（メタデータ） (2024-10-10T15:34:10Z)
• Enhancing Carbon Emission Reduction Strategies using OCO and ICOS data [40.572754656757475]
  我々は,OCO-2(Orbiting Carbon Observatories)とOCO-3(Orbiting Carbon Observatories)の衛星データとICOS(Integrated Carbon Observation System)の地上観測とECMWFリアナリシスv5(ERA5)の気象データを統合することで,局部的なCO2モニタリングを強化する手法を提案する。 衛星観測から地上レベルCO2を予測するために,K-nearest neighbor (KNN) と機械学習モデルを用いて,3.92ppmのルート平均正方形誤差を達成した。
  論文  参考訳（メタデータ） (2024-10-05T21:23:58Z)
• Real-time gravitational-wave inference for binary neutron stars using machine learning [71.29593576787549]
  近似を行なわずに1秒で完全なBNS推論を行う機械学習フレームワークを提案する。 本手法は, (i) 合併前の正確な局所化を提供することにより, (i) 近似低遅延法と比較して, (ii) 局所化精度を$sim30%$で改善すること, (iii) 光度距離, 傾斜, 質量に関する詳細な情報を提供することにより, (i) マルチメーサの観測を向上する。
  論文  参考訳（メタデータ） (2024-07-12T18:00:02Z)
• STROOBnet Optimization via GPU-Accelerated Proximal Recurrence Strategies [0.0]
  本研究では,時空間レンジオブザーバ・オブザーバ・オブザーバ・バイパートイトネットワーク(STROOBnet)に着目した。 観測ノード(監視カメラなど)を定義された地理的領域内のイベントにリンクし、効率的な監視を可能にする。 ニューオーリンズのRTCC(Real-Time Crime Camera)システムとCFS(Calls for Service)のデータを用いて、ネットワークの初期観測不均衡に対処する。
  論文  参考訳（メタデータ） (2024-04-22T17:46:29Z)
• Modeling State Shifting via Local-Global Distillation for Event-Frame Gaze Tracking [61.44701715285463]
  本稿では,イベントデータとフレームデータの両方を用いた受動的視線推定の問題に取り組む。 我々は、現在の状態からいくつかの事前登録されたアンカー状態に移行する状態の定量化として、視線推定を再構成する。 大規模視線推定ネットワークを直接学習する代わりに,地域の専門家グループと学生ネットワークを連携させることにより,一般化能力の向上を図る。
  論文  参考訳（メタデータ） (2024-03-31T03:30:37Z)
• Observation-Guided Meteorological Field Downscaling at Station Scale: A Benchmark and a New Method [66.80344502790231]
  気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。 データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。 提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
  論文  参考訳（メタデータ） (2024-01-22T14:02:56Z)
• Real-time high-resolution CO$_2$ geological storage prediction using nested Fourier neural operators [58.728312684306545]
  炭素捕獲貯蔵(CCS)は、地球規模の脱炭酸に不可欠な役割を担っている。 CCS展開のスケールアップには, 貯留層圧力上昇とガス配管マイグレーションの高精度かつ高精度なモデリングが必要である。 我々は,高分解能な3D CO2ストレージモデリングのための機械学習フレームワークであるNested Fourier Neural Operator (FNO)を,盆地スケールで導入した。
  論文  参考訳（メタデータ） (2022-10-31T04:04:03Z)
• Deep Learning Models of the Discrete Component of the Galactic Interstellar Gamma-Ray Emission [61.26321023273399]
  H2星間ガス中の小さな(あるいは離散的な)構造からの重要な点状成分がフェルミ・LATデータに存在する可能性がある。 深層学習は、これらの稀なH2プロキシによって追跡されるガンマ線放射を、データ豊富な領域において統計的に有意な範囲でモデル化するために効果的に利用される可能性がある。
  論文  参考訳（メタデータ） (2022-06-06T18:00:07Z)
• Ill-posed Surface Emissivity Retrieval from Multi-Geometry HyperspectralImages using a Hybrid Deep Neural Network [0.0]
  大気補正はリモートセンシングの基本的な課題である。 マルチスキャンハイパースペクトルデータを用いた自動大気補正のために,幾何依存型ハイブリッドニューラルネットワークを提案する。 その結果,提案ネットワークは,29の異なる物質に対して0.02以下の平均絶対誤差 (MAE) で大気特性を正確に評価し,目標放射率スペクトルを推定する能力を有することがわかった。
  論文  参考訳（メタデータ） (2021-07-09T18:59:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。